基于测井孔隙类型识别技术的成岩相研究

以川东北普光气田长兴组-飞仙关组碳酸盐岩储层为例,利用测井资料全井段、高分辨率的特点,运用声波密度比值来识别储层孔隙类型,研究不同类型的孔隙在垂向及平面上的展布特征,是极为有效的成岩相研究方法。在平面成岩相命名中,用某一种或多种成岩环境下发生的主要成岩作用为其命名,将长兴组-飞仙关组碳酸盐岩储层成岩相划分为地表水侵蚀相、地表水侵蚀+有机酸溶蚀相、有机酸溶蚀相、灰云转化成岩相和压实胶结相。它们可以直观地得出储层孔隙的形成过程与演化成因。     

华庆油田长81储层成岩相类型及微观孔隙结构特征

为探讨华庆油田长8₁储层成岩相类型及相内微观孔隙结构特征,在储层沉积特征背景上,开展物性、铸体薄片、扫描电镜、常规压汞、图像孔隙、X线衍射、油水相渗等测试实验,并结合试油及试采数据资料验证。研究表明,不同成岩相类型具有建设性与破坏性双重作用,具体表现在压实作用、胶结作用、溶蚀作用的差异上。室内实验对成岩相与微观孔隙结构的定性分析与定量描述具有一致性以及与试油、试采数据吻合性,指出依据微观孔隙结构特征能够预测并评价该类储层有利空间。长8₁储层水下分流河道沉积微相中绿泥石衬边残余孔溶蚀相粒间孔发育,为优势储集带;强压实-碳酸盐+伊利石胶结相孔隙被破坏,损失严重,储集性较差。     

测井相的人工智能识别

在一个沉积盆地的岩相分析中,还可以用自然电位曲线配合电阻曲线来研究单井纵向层序,建立时间概念和划分纵向相序,了解在地质时期中它的沉积环境变迁。同时,通过同一时期井组的曲线研究可以追踪横向相变,了解横向沉积环境的变迁。     

普光地区碳酸盐岩储层孔隙类型测井识别及孔渗关系

普光地区长兴组和飞仙关组碳酸盐岩储层孔隙度与渗透率之间没有严格通用的数学关系,导致储层渗透率计算具有很大困难.通过对该地区测井资料、常规薄片、铸体薄片和岩心物性等资料进行分析,表明碳酸盐岩孔隙类型是影响孔渗关系的主要因素.基于常规测井资料构造出对孔隙结构比较敏感的测井特征:声波时差与密度比值和深浅侧向电阻率比值,可用于对该地区碳酸盐岩孔隙类型进行识别,再针对不同的孔隙类型建立相应的孔渗关系模型,用于计算该地区储层渗透率.实例资料处理结果表明,模型计算渗透率与岩心分析渗透率符合较好,且井间规律具有一致性,基于孔隙结构建立的储层孔隙度与渗透率模型能较好地确定储层渗透率.      

扶杨油层孔隙不成因与砂岩成岩相研究

相似的岩石组分决定了相似的成岩特征。但是，控制成岩自生矿物种类，顺序，相对含量和孔隙定化还有：（１）孔隙不地球化学性质；（２）埋深和地温梯度；和（３）沉积环境等，这些因素在区域上的判别成了区域上的成岩作用差异。其中具有不同孔隙水成因的局部水动力单元决定了区域上的成岩相类型和成岩相区的划分。     

基于BP神经网络的测井相分析及沉积相识别

测井相分析是研究地层沉积相的一种手段。利用基于BP神经网络的测井相分析进行沉积相识别研究,首先将已知地区地层剖面划分为有限的测井相,通过对岩心及其对应的沉积相进行研究,用数学方法及知识推理确定各个测井相到沉积相的映射转换关系,并利用这种关系,建立沉积相库。在此基础上,运用MATLAB中的工具箱建立BP神经网络模型,把已知沉积相的测井曲线特征作为样本进行训练学习,并将提取的测井曲线特征进行分类识别,从而确定地层的沉积相。应用表明,BP神经网络能够快速完成沉积相识别,可靠性较高,可以用于测井相分析及沉积相研究。     

基于随机森林算法的泥页岩岩相测井识别

泥页岩岩相识别是页岩油空间分布及勘探目标预测的一项重要工作,受地层非均质性及测井信息冗余的制约,基于测井响应方程的岩相识别十分困难.本文建立了一种基于随机森林算法的岩相识别模型,使用SHAP方法量化测井参数重要性.结果表明：随机森林算法可以很好地识别泥页岩岩相,其准确率高于支持向量机、KNN和XGBoost,并且对数据集中岩相类别不均衡的分类问题更加有效;对模型识别岩相最重要的前3项测井参数是自然电位、井径和声波时差;该模型可快速识别单井岩相,再根据总孔隙度、游离烃S1、TOC等参数可确定有利岩相类型,进而确定研究区有利岩相分布,为后续“甜点”预测提供依据.     

致密砂岩储集层成岩相定量划分及其测井识别方法

为研究鄂尔多斯盆地长8油层组储集层的岩石学、成岩作用类型和强度等特征,本文对该储集层开展了普通薄片、铸体薄片、阴极发光、扫描电镜分析等工作。结果显示,在视压实率、视胶结率和视溶蚀率定量计算的基础上,根据成岩作用强度及其组合特征对成岩相分类命名,将储集层划分为强压实强胶结中等溶解、强压实强胶结弱溶解、中等压实中等胶结弱溶解和强压实弱胶结弱溶解4种不同的成岩相,并选取成岩综合系数作为不同成岩相的定量表征参数。选取声波时差、密度等对成岩相响应较灵敏的测井曲线,通过岩心薄片刻度测井的方法建立了视压实率、视胶结率和视溶蚀率的测井定量识别模型,并对池46等井的测井资料进行了处理,以验证模型的准确性。     

低渗透储层不同成岩相微观孔隙结构特征及其测井识别差异性分析：以姬塬油田王盘山长61储层为例

基于铸体薄片、扫描电镜、岩心照片、恒速压汞等资料,综合考虑物源、黏土矿物类型、孔隙类型、成岩作用等参数将王盘山长61储层划分成6种不同组合类型成岩相,其中优势储集成岩相为高岭石+绿泥石胶结-粒间孔相、高岭石胶结-溶孔+粒间孔相、绿泥石+高岭石胶结-溶孔相等。研究表明:不同类型成岩相的微观孔隙结构特征及测井响应特征不同,各成岩相微观孔喉差异明显,尤其体现在毛管压力曲线和喉道上,喉道半径与渗透率的相关性好于孔隙半径与孔隙度、渗透率的相关性,优势成岩相孔喉半径较均匀、连通性好、渗流能力较强,相同进汞压力条件下进汞饱和度高;利用自然伽马、声波时差、电阻率等测井曲线,归纳了不同成岩相的测井响应特征,建立了各成岩相测井响应识别模板,确定了不同成岩相的测井响应定量判别标准,最终实现储层纵向上成岩相的识别与划分,为低渗透砂岩储层甜点预测提供重要参考。     

应用测井资料定量识别沉积微相

本文利用多种测井曲线及其计算的地质参数曲线提取反映沉积微相的特征参数。应用主成分分析与模糊Ｋ均值聚类方法建立了埕岛油田馆上段地层的测井－沉积微相数值模型，并开发了相应的计算机软件。对埕岛油田几口井测井资料的实际处理结果表明，应用本文提出的方法识别的沉积微相与地质划分的结果吻合较好。文中，给出了实际资料的处理结果。     

利用测井方法识别火山岩岩相方法

利用实际岩石薄片数据及测井数据,通过GR-TH 及GR-AC 交会图方法将松南气田营城组岩石结构划分为熔岩结构、熔结结构和凝灰结构3 种。凝灰结构和熔结结构对应爆发相,熔岩结构对应喷溢相。结合次生孔隙度的大小及岩心、录井信息对出现的6 种亚相: 热碎屑流亚相、热基浪亚相、空落亚相、上部亚相、中部亚相和下部亚相进一步划分,其结果与地质上的岩相亚相基本一致。     

姬塬地区长6储层成岩相特征及测井响应

通过岩心观察并综合运用铸体薄片、扫描电镜、X射线衍射、物性以及压汞等基础测试资料,对姬塬地区长6致密砂岩储层的岩石学、孔隙结构等特征展开了研究,系统分析了不同类型成岩相及其微观孔喉特征。依据储层物性,结合主要的沉积特征、成岩矿物、填隙物及孔隙类型,研究区砂岩储层按照储集性能的好坏可划分为Ⅰ类(绿泥石膜胶结-残余粒间孔相)、Ⅱ类(长石溶蚀相)、Ⅲ类(高岭石胶结相)、Ⅳ类(碳酸盐胶结相)4种成岩相带,其中Ⅰ类、Ⅱ类储层物性较好,是研究区储层发育的有利成岩相带,Ⅲ类、Ⅳ类则为较差储集岩相带。选取了自然伽马、声波时差、电阻率等对成岩相响应较为敏感的测井曲线,利用岩心、薄片资料刻度测井曲线,研究各成岩相在自然伽马、声波时差等测井曲线上响应特征的差异性。通过对成岩相分布特征及其测井响应特征进行研究,可以合理评价低渗透砂岩储层并预测优质储层发育带,同时为后续的油气地质勘探提供可靠的理论基础。     

基于深度卷积神经网络的地震相识别技术研究

针对传统地震相分析方法难以有效表征地震相与地震数据间复杂的非线性映射关系,而人工解释工作强度大、效率低的问题,进行了基于深度卷积神经网络模型开展了地震相的智能识别技术研究。首先根据钻井解释和专家知识两种方式构建了地震相的训练样本库,之后利用Tensorflow深度学习框架开展了网络参数寻优,再利用搭建好的网络模型进行了实际资料的训练和预测。测试结果表明,利用CNN构建的河流相模型,预测成功率高于75%。因此,深度卷积网络不仅可以很好地保持地震数据结构特征,还可以基于多层网络结构挖掘数据中更深层的特征来提高地震相识别结果的可靠性,印证了该技术在地震相识别中的巨大应用潜力。     

论沉积盆地内成岩相系划分及类型

沉积盆地内成岩作用和成岩相系划分研究,不仅有助于提升对沉积盆地内金属矿产、非金属矿产、能源矿产(石油、天然气、煤和铀矿)等同盆共存富集与协同成岩成矿成藏作用等方面的研究水平,也有助于提升对沉积盆地形成演化历史、盆山和盆山原耦合转换等大陆动力学过程的深入研究。将沉积盆地内成岩作用和成岩相系划分与地球化学岩相学识别技术紧密结合,采用构造岩相学与地球化学岩相学研究思路和方法,以成岩事件序列为主线,将沉积盆地内成岩相系划分为：①成盆期埋深压实物理-化学成岩作用和成岩相系;②盆地改造期构造-热事件成岩作用与构造热事件改造成岩相系;③盆内岩浆叠加期构造-岩浆-热事件成岩作用和岩浆叠加成岩相系;④盆地表生变化期表生成岩作用和表生成岩相系。从地球化学岩相学成岩机理上,对成岩相系的成岩环境和成岩机理进行识别,促进非金属矿产、金属矿产-油气资源-煤-铀等同盆共存与协同富集成矿成藏机理研究和深部矿产资源预测。     

松辽盆地北东区扶杨油层孔隙流体地球化学与砂岩成岩相研究

不同孔隙水成因的局部水动力单元是决定扶杨油层砂岩成岩相类型的重要因素之一。研究区可以划分出与局部水动力单元直接相关的四个成岩相:大气水淋滤成岩相、混合水成岩相、埋藏压实水成岩相和古蒸发浓缩水成岩相、各成岩相的成岩特征、自生矿物组合、孔隙成因与孔隙组合都有明显差别。     

泥晶灰岩的成岩作用与微孔隙研究

本文用岩石学方法结合超微技术及现代测试手段研究泥晶灰碉的成岩作用微孔隙。结果表明，对泥晶灰岩微孔隙形成有得的主要成岩作用为压溶、溶解和一定程度的云化及去云化、硅和去硅化作用。这些作用可以扩大微孔主微裂隙，使之有可能具有储集性能。     

川西南部须二段储层成岩作用与成岩相研究

成岩作用和成岩相对致密砂岩储层发育的控制及其分布具有重要意义。利用岩石薄片、铸体薄片、物性分析等资料,对川西南部地区上三叠统须家河组二段储层岩石学特征、成岩作用和成岩相以及储层成岩演化史进行了研究,划分出六大成岩相类型:少量硅质-绿泥石胶结成岩相、硅质胶结-溶蚀成岩相、方解石胶结成岩相、压实相、杂基充填-压实成岩相、硅质胶结成岩相;结果表明,研究层段储层经历了复杂的成岩演化,目前处于中成岩A-B期;压实作用及胶结作用是储层致密化最主要的因素,溶蚀作用形成的次生孔隙改善了储层的物性条件;硅质胶结-溶蚀成岩相为该区最有利的成岩相。     

基于深度学习方法的测井岩性识别研究

采用机器学习方法进行自动岩性识别是当下的研究热点,神经网络作为具有代表性的机器学习方法,具有非线性建模能力强、结构灵活以及泛化性强等优点,目前已初步应用于岩性识别问题中。当下神经网络方法在测井岩性解释上的限制因素主要在于数据类别不均衡问题难以解决以及现有模型的可解释性较差。文章讨论了深度神经网络模型在纳岭沟地区铀矿测井解释的岩性分类问题上的应用,通过采用不同结构的模型缓解了类别不均衡对分类结果的影响,并着重分析了模型的层次结构和训练过程,更全面地解释了模型的内在机制和决策逻辑。结果显示,长短时记忆网络能在保持较高训练效率的同时获得高于80%的识别精度,8层全连接网络能达到90%以上的精度,但是需要的计算资源较大,训练时间较久。以上模型可应用于不同环境和需求。文章为深度学习方法在岩性识别问题上的应用提供了有益的见解和经验,具有一定参考价值。     

利用测井资料研究储层的孔隙结构

以岩芯孔隙结构分析为基础，通过分析表征孔隙结构参数的静态模型， 依据现场数据得到了求解孔隙结构参数的白化方程，从而阐明了用测井资料 求解孔隙结构参数的可行性。通过2个实例的分析表明，可以用声波时差、感 应电导、自然电位等常规测井方法准确地求取孔喉半径、喉道分选系数等孔 隙结构参数。为储层微观非均质性研究打下了基础以及为储层评价提供了有 用的手段，直接指导了油田生产及调整开发措施的实施。     

油页岩测井识别技术及应用

传统的油页岩资源勘查与识别主要依靠野外地质调查、钻井取心及测试分析。在对松辽盆地野外地质勘查、岩心描述、测井和测试资料分析及综合研究的基础上,提出了油页岩定性和定量测井识别技术,并在松辽盆地进行了应用。在测井响应上,油页岩表现为高电阻率、高自然伽马、高声波时差和低密度特征;油页岩含油率与测井响应的一元线性回归关系好于二元线性回归关系和三元线性回归关系;油页岩的含油率与电阻率的相关性最好。利用ΔlgR技术不但可以求得油页岩的含油率,还可以求得总有机碳含量。试算结果表明,利用油页岩含油率与电阻率的线性关系和ΔlgR技术计算出的油页岩含油率与实测含油率误差相对较小。